Erfolgreiche Abschlussveranstaltung
„KI und COVID: Erklärbarkeit und Entscheidungsunterstützung durch KI in Pandemie-Situationen“

Zum Projektabschluss stellten die Forschenden die Ergebnisse in einer öffentlichen Abschlussveranstaltung vor.

Weitere Informationen siehe Abschlussveranstaltung

Das Projekt

Die Fortschritte in der Digitalisierung bieten zur Auswertung und Prognose der Pandemieentwicklung mittlerweile sehr große Datenmengen, um regionale Maßnahmen und Handlungsstrategien zur Bekämpfung der Pandemie abzuleiten und zu steuern. Die in diesem Kontext notwendigen komplexen Entscheidungsprozesse stellen aber vor allem politische Entscheidungsträger sowie haupt- und ehrenamtliche Aufgabenträger im Gesundheitswesen und Zivilschutz (Gesundheitsämter, Ärzte und Krankenhäuser, Rettungsdienst, udgl.) vor große Herausforderungen, denn sie müssen neben den grundlegenden gesundheits- und versorgungsrelevanten Fakten auch sozial-, wirtschafts- und gesellschaftspolitische Einflussfaktoren in ihre Entscheidungsfindung und Maßnahmensetzung einfließen lassen. Aus Sicht der Bürgerinnen und Bürger scheinen die getroffenen Entscheidungen nicht immer ausreichend transparent, wie die Erfahrungen mit der COVID-19-Pandemie zeigen.

Das Projekt KI&COVID untersuchte, mit welchen Methoden und Werkzeugen der künstlichen Intelligenz (KI) die Komplexität der Maßnahmensetzung zur Eindämmung von Pandemien sowie zum vorsorgenden Schutz der Bevölkerung reduziert werden kann. Zentrale Zielsetzung des Projekts war es daher, ein KI-gestütztes Expertensystem zu entwickeln, das einerseits Empfehlungen von Verhaltensregeln und Maßnahmen zur Verringerung des COVID-19 Infektionsrisikos in der Bevölkerung gibt und andererseits Aufgabenträger in den Bereichen Gesundheitsversorgung, Zivilschutz und Rettungsdienst unterstützt, gezielte Maßnahmen hinsichtlich Bevölkerungsschutz und Maßnahmen zur Handhabe und Eindämmung der Pandemie zu geben.

Auf der Grundlage verfügbarer Daten sowie der Erfahrungen vergangener Ereignisse wurden selbstlernende KI-basierte Methoden des maschinellen Lernens eingesetzt, um Pandemie-bezogene Entwicklungen zu analysieren und zu visualisieren und damit ein Verständnis spezifischer Zusammenhänge und Wirkungen von Handlungsmaßnahmen aufzubauen. Diese Methoden wurden ergänzt durch mathematische Simulationen der epidemiologischen COVID-19-Dynamik.